企业 AI 应用与传统 Web 应用有什么不同？一个模型调用升级为生产应用，需要补齐什么？

调用一次模型并返回文字，只需要很少代码。把它放进企业流程，难度会突然上升：输入不可控、输出有概率、工具会失败、权限会变化，用户还可能把它用于设计之外的任务。

生产级 AI 应用是一组包住模型的不确定性控制。模型负责理解和生成，外层系统负责身份、状态、数据、权限、执行、评测、监控和接管。

从里到外补齐五层

层次 核心能力 缺失后的结果

模型与知识 理解任务、检索证据、生成建议 回答无依据或不稳定

任务状态 记录步骤、参数、结果与重试 超时后重复执行或从头再来

身份与权限 识别人和系统、限制数据与工具 越权读取或动作失控

执行与恢复 参数校验、确认、幂等、撤销 错误直接进入业务系统

评测与运营 回归、监控、接管和责任 上线后无法发现与修复漂移

一个聊天页面接上模型，只完成了最里面的一层。

输入和输出都不能默认可信

用户可能遗漏字段、混入错误内容或提出越权请求。系统要检查身份、任务类型、数据范围和参数，必要时补问、拒绝或转人工。

模型生成的工具参数还要经过程序校验与权限判断。执行以后读取业务系统真实状态，确认动作是否发生，不能只相信 AI 说“已经完成”。

长任务一定要有状态

系统要知道做到哪一步、用过哪些证据、哪些动作已经提交、失败是否允许重试。网络超时只表示没有及时收到结果，不能据此重新执行一次付款或发信。

任务状态还要允许人接手。接管者需要看到已有证据、已执行动作、失败原因和下一步选项，不能重新翻完整对话猜测。

失败路径本身就是产品功能

无证据怎样拒答，工具失败怎样降级，成本超限怎样停止，高风险动作怎样批准，系统停用怎样回收权限，这些都应该在上线前设计并测试。

第 57 问会进一步展开统一执行入口里的参数、状态、重试和撤销。本篇只建立从模型到生产应用的完整分层。

AI 应用的生产门槛，体现在坏输入、坏答案和坏状态出现时，系统仍然可控。

本问行动：把你们的应用放进五层表，任何只写着“以后再补”的一层，都可能在真实上线后变成生产事故。